Hay imágenes de máquinas virtuales de aprendizaje profundo específicas para que elijas el framework y el procesador que prefieras. Actualmente, hay imágenes compatibles con PyTorch y con la computación genérica de alto rendimiento, con versiones para flujos de trabajo habilitados para GPU. Para encontrar la imagen que quieras, consulta la tabla que aparece a continuación.
Decidirse por una familia de imágenes
Elige una familia de imágenes de máquina virtual de aprendizaje profundo en función del framework y del procesador que necesites.
En la siguiente tabla se indican las versiones más recientes de las familias de imágenes, organizadas por tipo de framework.
Para obtener la versión más reciente de una imagen, crea una instancia
haciendo referencia a una familia de imágenes con latest en el nombre.
Si necesitas una versión específica del framework, ve a Versiones de framework compatibles.
| Framework | Procesador | Nombre(s) de familia de la imagen |
|---|---|---|
| Base | GPU |
common-cu128-ubuntu-2204-nvidia-570 |
| PyTorch | GPU | pytorch-2-7-cu128-ubuntu-2204-nvidia-570 |
Elegir un sistema operativo
Ubuntu 22.04 es el SO predeterminado y las imágenes incluyen la versión 570 del controlador de NVIDIA.
Se indican con los sufijos -ubuntu-2204-nvidia-570
en el nombre de la familia de imágenes (consulta Listar todas las versiones disponibles).
Todas las imágenes de Debian están obsoletas.
Todas las imágenes activas admiten aceleradores de GPU A3 Ultra.
Imágenes de PyTorch
Las familias de imágenes de PyTorch proporcionan una distribución optimizada de PyTorch y PyTorch Lightning. Google Cloud
Especificar una versión de imagen
Puedes volver a usar la misma imagen aunque la más reciente sea posterior. Esto puede ser útil, por ejemplo, si estás intentando crear un clúster y quieres asegurarte de que las imágenes que se usen para crear nuevas instancias sean siempre las mismas. No debes usar el nombre de la familia de imágenes en esta situación, ya que, si se actualiza la imagen más reciente, tendrás imágenes diferentes en algunas instancias de tu clúster.
En su lugar, puedes determinar el nombre exacto de la imagen, incorporar el número de versión y, a continuación, usar esa imagen específica para generar nuevas instancias en tu clúster.
Para saber el nombre exacto de la imagen más reciente, usa el siguiente comando en la CLI de Google Cloud con tu terminal preferido o en Cloud Shell. Sustituye IMAGE_FAMILY por el nombre de la familia de imágenes de la que quieras saber el número de la última versión.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-releaseBusca el campo name en el resultado y usa el nombre de la imagen que se indica ahí
cuando crees instancias.
Versiones de framework compatibles
La función de imágenes de máquina virtual de aprendizaje profundo admite cada versión del framework según una programación para minimizar las vulnerabilidades de seguridad. Consulta la política de asistencia de frameworks de las máquinas virtuales de aprendizaje profundo para conocer las implicaciones de las fechas de fin de asistencia y de fin de disponibilidad.
Si necesitas una versión específica de un framework o de CUDA, consulta las siguientes tablas. Para encontrar un VERSION_DATE específico de una imagen, consulta Lista de las versiones disponibles.
Versiones base
Todas las imágenes basadas en CPU se han retirado.
| Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores admitidos | Fecha de finalización de los parches y la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
|---|---|---|---|---|---|
| Base-cu128 (Python 3.10 / Ubuntu 22.04) | CUDA 12.8 | GPU (CUDA 12.8) | 1 de agosto del 2026 | 1 de agosto del 2027 | common-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
| CPU base (Python 3.10 / Debian 11) | No aplicable (N/A) | Solo CPU | 1 de julio del 2024 | 1 de julio del 2025 | common-cpu-VERSION_DATE-debian-11 |
| Base-cu124 (Python 3.10) | CUDA 12.4 | GPU (CUDA 12.4) | 1 de abril del 2025 | 1 de abril del 2026 | common-cu124-VERSION_DATE-debian-11-py310 |
| Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 19 de octubre del 2024 | 19 oct. 2025 | common-cu123-VERSION_DATE-debian-11-py310 |
| Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 28 de junio del 2024 | 28 de junio del 2025 | common-cu122-VERSION_DATE-debian-11-py310 |
| Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 feb. 2024 | Feb 28, 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
| Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1 de julio del 2024 | 1 de julio del 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de enero del 2024 | 1 de enero del 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | common-cu113-VERSION_DATE-py37 |
| Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 1 sep. 2023 | 1 de septiembre del 2024 | common-cu110-VERSION_DATE-py37 |
| Base-CPU (Python 3.7) | No aplicable (N/A) | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | common-cpu-VERSION_DATE-debian-10 |
Versiones de PyTorch
| Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores admitidos | Fecha de finalización de los parches y la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
|---|---|---|---|---|---|
| 2.7 (Python 3.10) | 2.7.1 | CUDA 12.8 | 1 de agosto del 2026 | 1 de agosto del 2027 | pytorch-2-7-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
| 2.4 (Python 3.10) | 2.4.0 | CUDA 12.4 | 24 de julio del 2025 | 24 de julio del 2026 | pytorch-2-4-VERSION_DATE-py310 |
| 2.3 (Python 3.10) | 2.3.0 | CUDA 12.1 | 24 de abril del 2025 | 24 de abril del 2026 | pytorch-2-3-VERSION_DATE-py310 |
| 2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 de enero del 2025 | 30 de enero del 2026 | pytorch-2-2-VERSION_DATE-py310 |
| 2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 de octubre del 2024 | 4 oct. 2025 | pytorch-2-1-VERSION_DATE-py310 |
| 2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 mar. 2024 | Mar 15, 2025 | pytorch-2-0-VERSION_DATE-py310 |
| 1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 de diciembre del 2023 | 8 dic., 2024 | pytorch-1-13-VERSION_DATE-py310 |
| 1.13 | 1.13.1 | CUDA 11.3 | 8 de diciembre del 2023 | 8 dic., 2024 | pytorch-1-13-VERSION_DATE-py37 |
| 1.12 | 1.12.1 | CUDA 11.3 | 1 sep. 2023 | 1 de septiembre del 2024 | pytorch-1-12-VERSION_DATE-py310 |
Versiones de TensorFlow
Todas las imágenes de TensorFlow se han retirado.
| Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores admitidos | Fecha de finalización de los parches y la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
|---|---|---|---|---|---|
| 2.17 (Python 3.10) | 2.17.0 | Solo CPU | 11 de julio del 2025 | 11 de julio del 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
| 2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 de julio del 2025 | 11 de julio del 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | Solo CPU | 28 de junio del 2025 | 28 de junio del 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 de junio del 2025 | 28 de junio del 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | Solo CPU | 14 de noviembre del 2024 | 14 nov. 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 14 de noviembre del 2024 | 14 nov. 2025 | tf-2-15-cu122-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | Solo CPU | Sep 26, 2024 | 26 de septiembre del 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | Sep 26, 2024 | 26 de septiembre del 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | Solo CPU | 5 de julio del 2024 | 5 de julio del 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 de julio del 2024 | 5 de julio del 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | Solo CPU | 30 de junio del 2024 | 30 de junio del 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 30 de junio del 2024 | 30 de junio del 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | Solo CPU | 15 de noviembre del 2022 | 15 de noviembre del 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 de noviembre del 2022 | 15 de noviembre del 2023 | tf-2-11-cu113-VERSION_DATE-py310 |
| 2.11 | 2.11.0 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
| 2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
| 2.9 | 2.9.3 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
| 2.9 | 2.9.3 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-9-cu113-VERSION_DATE-py37 |
| 2,8 | 2.8.4 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
| 2,8 | 2.8.4 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
| 2.6 (py39) | 2.6.5 | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
| 2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
| 2.6 (py37) | 2.6.5 | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
| 2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
| 2.3 | 2.3.4 | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-3-cpu |
| 2.3 | 2.3.4 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-3-cu110-VERSION_DATE |
Después de la retirada
Cuando las imágenes alcanzan la fecha de finalización de los parches y la asistencia, se dejan de usar. La retirada implica que estas imágenes se eliminan de la visibilidad pública y se recomienda usar imágenes compatibles para garantizar la seguridad y el rendimiento.
Si tu imagen de máquina virtual de aprendizaje profundo está obsoleta o llega al final de su disponibilidad, te recomendamos que migres a una imagen más reciente y compatible. De esta forma, te aseguras de seguir recibiendo parches de seguridad críticos y las funciones más recientes. Ten en cuenta las siguientes formas de migración:
- Si hay una imagen más reciente y compatible en la misma familia de imágenes, te recomendamos que actualices tu imagen a una versión compatible de la misma familia.
- Si no hay imágenes más recientes compatibles en la misma familia de imágenes, considera usar un framework más reciente compatible de otra familia de imágenes de VM.
Usar una imagen después de la discontinuación
Si debes usar una imagen después de la retirada en contra de las recomendaciones de seguridad de Google y bajo tu propia responsabilidad, debes especificar una imagen de la familia de imágenes al crear la instancia de VM.
Para enumerar las imágenes de una familia de imágenes después de la fecha de finalización de los parches y del periodo de asistencia, incluye la marca --show-deprecated en el comando gcloud compute images list o selecciona Mostrar imágenes obsoletas al crear una instancia en la consola Google Cloud . Consulta Listar todas las versiones disponibles con gcloud CLI.
Para crear una instancia de máquina virtual de aprendizaje profundo que use una imagen obsoleta, consulta el siguiente ejemplo de comando de gcloud CLI:
gcloud compute instances create deprecated-tf-vm \ --image=projects/deeplearning-platform-release/global/images/IMAGE_NAME \ --machine-type=n1-standard-4 \ --zone=us-east1-c
Sustituye IMAGE_NAME por el nombre de la imagen, como se indica a continuación:
- Para usar una imagen específica de la familia de imágenes, usa el nombre de la imagen. Por ejemplo:
pytorch-2-7-cu128-ubuntu-2204-nvidia-570-v20250728.
Mostrar todas las versiones disponibles con la CLI de gcloud
También puedes consultar todas las imágenes de Máquinas virtuales de aprendizaje profundo disponibles con el siguiente comando de gcloud CLI:
gcloud compute images list \
--project deeplearning-platform-release \
--format="value(NAME)" \
--no-standard-imagesLas familias de imágenes se denominan con el formato
FRAMEWORK-CUDA_VERSION-OS,
donde FRAMEWORK es la biblioteca de destino,
CUDA_VERSION es la versión de la pila de CUDA
y OS denota el sistema operativo con el controlador de NVIDIA preinstalado.
Por ejemplo, una imagen de la familia pytorch-2-7-cu128-ubuntu-2204-nvidia-570 tiene preinstalados PyTorch 2.7, CUDA 12.8 y el SO Ubuntu 22.04 con el controlador NVIDIA 570.
Siguientes pasos
Crea una instancia de VM de aprendizaje profundo mediante Cloud Marketplace o mediante la línea de comandos.